跳到正文
10月18日周日
10月17日周六
  1. ElevenLabs Blog20

    ElevenLabs 指南:如何为 AI 语音智能体接入 CRM 与客服工单系统

    ElevenLabs 发布指南,介绍如何将 ElevenAgents 语音智能体接入 Salesforce、HubSpot 等 CRM 与客服系统,实现通话中读取和写入客户数据。接入后智能体可在通话中搜索记录、核验身份、创建线索并自动开单,官方称问题解决速度最高可达传统脚本客服的 10 倍。指南还提到通过 webhook 在通话中记录更新、通话后触发工单与跟进邮件等自动化流程。

10月16日周五
  1. Hugging Face Blog66

    Reflection 发布 501B 开源 MoE 模型 Beam,Apache 2.0 许可、1M 上下文

    美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam,这是一个 501B 参数的 MoE 模型,每 token 激活 23B,支持 1M token 上下文,采用 Apache 2.0 许可,主打编码与智能体场景。

    选题角度:开源 501B MoE 模型 Beam 放出 Apache 2.0 权重和 vLLM、SGLang 部署配方,适合实测 1M 上下文下的编码与工具调用表现。

  2. ElevenLabs Blog24

    NTT Docomo Business 携手 ElevenLabs 在会津若松试验对话式 AI

    NTT Docomo Business 正与 ElevenLabs 合作,在福岛县会津若松市试验由 ElevenAgents 驱动的语音社区平台,其 AI 助手 CONN 为老年居民提供本地信息和日常对话。该试验与武田健康基金会合作、并获会津若松市协助,2025 年秋季启动的现场试验早期用户反馈积极。团队还看到将语音 AI 嵌入其电话基础设施及支持日本旅游业多语言服务的潜力。

  3. ElevenLabs Blog66

    ElevenLabs 在 ElevenCreative 推出 Instant Soundtracks,可为视频自动配乐并同步音效

    ElevenLabs 在 ElevenCreative 上线 Instant Soundtracks,上传视频后模型会生成原创配乐,并分析画面中的音效触发点、按时间戳生成音效并自动放到时间线上。

    选题角度:官方给出 ElevenCreative 上传视频自动配乐加音效的完整入口和 API 参数,适合录屏实测同一段视频加音效前后的差异。

  4. NVIDIA Blog38

    NVIDIA RTX Spark 正式发布:面向创作者、玩家与 AI 智能体的 Windows PC

    NVIDIA 发布 RTX Spark,一款面向创作者、玩家和 AI 智能体的 Windows PC,并于 10 月 16 日在旧金山、柏林、台北、北京、伊斯坦布尔、首尔等地举办上市活动。Artificial Analysis 的独立测试初步展示了其在笔记本上的本地 AI 性能,多家评测称其 AI、游戏与创作工作流表现突出。

10月15日周四
  1. NVIDIA Blog60

    NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 端侧模型

    NVIDIA 发布开源 1200 亿参数模型 Nemotron 3.5 Super VL,主打多模态智能体任务,官方称其吞吐量最高可达同类模型的 5 倍,精度接近 NVIDIA 最大推理模型而参数量约为其五分之一。

    选题角度:原文给出三款开源模型的参数、显存占用和开放下载入口,适合上手实测 Super VL 的视觉文档解析与 Bolt 在本地跑智能体的效果。

  2. Hugging Face Blog80

    Black Forest Labs 发布 FLUX.3 Image Klein,Diffusers 首日支持

    Black Forest Labs 发布 FLUX.3 Image Klein,一个模型同时支持文生图、多参考图生图和 bbox 布局控制,Diffusers 首日即可运行。

    选题角度:原文给出可直接运行的 Diffusers 代码和 H100 上 1024×1024 约 2 秒的实测数据,适合录屏跑一遍文生图、多参考图编辑和 bbox 布局控制。

  3. Hugging Face Blog82

    Meta 开源 Muse Spark Open:816B 多模态 MoE 模型

    Meta 发布开源权重模型 Muse Spark Open,采用 MoE 架构,总参数约 816B、每 token 激活约 42B,上下文窗口最高 100 万 token,支持文本、图像、音频和视频输入,输出文本。

    选题角度:原文给出 816B 开源多模态模型的完整部署与微调配方,适合上手实测它在本地跑智能体编码和多模态输入的效果。

10月14日周三
  1. ElevenLabs Blog35

    ElevenLabs 音频深度伪造检测:原理与如何验证 ElevenLabs 音频

    ElevenLabs 详解音频深度伪造检测的两种路径:传统统计检测通过预处理、特征提取和分类给出置信度分数,但受限于已知样本库;水印检测则是确定性的,能对是否为自家产品生成的音频给出明确的是或否。ElevenLabs 的 Audio Detector 可高精度识别自家产品水印,但无法识别其他公司的水印,因此水印应只是大规模检测体系中的一环。

  2. Hugging Face Blog60

    Liquid AI 发布 LFM2.5-24B-A2B,24B 参数仅 2B 激活的端侧推理模型

    Liquid AI 发布 LFM2.5-24B-A2B,这是一个 24B 参数、每 token 仅 2B 激活参数的推理模型,面向端侧私有 Agent,已在 Hugging Face 开源权重。

    选题角度:Liquid AI 开源 24B-A2B 端侧推理模型,给出 M5 Max 上 184 tok/s 的实测数据和与 Qwen3.6-35B-A3B 的基准对比,适合上手实测本地跑 Agent 的速度与工具调用表现。

  3. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 机器人模型

    Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉语义推理,在 Embodied Reasoning(ERQA)基准上用纯推理取得 87%,超过其他前沿模型。

    选题角度:官方给出 ERQA 87% 成绩和四类机器人提示词示例,适合挑一个 MuJoCo 场景做上手实测或效果对比。

  4. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Argon,主打复杂工程与科研任务

    Google DeepMind 发布前沿模型 Gemini 4 Argon,今日起通过 AI Studio 和 Gemini API 面向开发者与企业开放,Google AI Ultra 订阅者可在 Google Antigravity 使用,Gemini app 和 Search 的 AI Mode 面向 Ultra 与 Pro 订阅者开放。

    选题角度:官方给出 Argon 在 Chrome 重构、ADK 提速和机器人视频学习上的具体数字,适合挑一个案例做前后效果对比实测。

  5. Google AI Blog90

    Google 发布 Gemini 4 Argon,主打复杂工程与专业工作流

    Google 发布前沿模型 Gemini 4 Argon,今日起通过 AI Studio 和 Gemini API 面向开发者与企业开放,Google AI Ultra 订阅者可在 Google Antigravity 使用,Ultra 和 Pro 订阅者可在 Gemini app 与 Search 的 AI Mode 使用。

    选题角度:官方给出 API 定价、1M 上下文和多项内部实测数据,适合做一次能力盘点,重点讲 Chrome 重构与 ADK 提速这两个可验证案例。